今天凌晨，Kimi终于发布了自家最新的模型，Kimi K3.1 Pro。
和之前一样，昨天一早Kimi就发了个视频剧透。
终于，时隔3个多月，Kimi带来了他们最新的旗舰模型。
没想到的是，这段时间一直苦等的Fable 5.5还没上，Kimi就先来了。。。
K3.1 Pro这次的参数规模和K3一样到了3万亿级，具体为2.8T，并且同样支持100万Token上下文。
相比于K3，这次多了一个Pro的后缀，从这个推理的话，那我觉得后面可能还会有一个K3.1 Flash会放出来，做一下模型的全链路布局。
同时，这一次的K3.1 Pro依旧开源，完整模型权重预计会在11月4日前开放。
坦率的讲，其实这段时间，国产大模型的存在感确实没有之前那么强了。
海外模型一个接一个往外发，GPT-6 Astra、6.1 Sol、Grok 4.7、Claude Opus 5.5，Sonnet 5.5，Haiku 5.5。。。
太多太多了。
这次，终于到Kimi交卷了，并且是以旗舰模型之姿，而非性价比的调性，硬扛海外。
先简单看一下基础信息。
K3.1 Pro的API定价，输入每百万Token 13元，输出68元，缓存命中输入1.3元，依然是旗舰模型的定价，但相比于K3，基本都直接砍半了。
如果我们用GPT-6 Astra对比，按两家的美元标准API定价，K3.1 Pro的输入和输出价格，都只是Astra的五分之一，比Claude Opus 5.5便宜一些，因为缓存命中价格是一样的，但常规输入和输出正好是一半。
另外，这次Kimi还同步推出了一个Highspeed高速版本，智能水平相同，官方给出的输出速度大约是标准版的2到3倍，价格翻倍。
跑分方面，这是官方的版本。
整体上看，基本上就是仅次于Claude Opus 5.5和GPT-Astra。
在Terminal-Bench 4.0这项测试真实终端编程任务的基准中，K3.1 Pro拿到了65.7%，超过GPT-6 Astra的58.2%，距离Claude Opus 5.5的66.4%也只差了一点点。
在测试3D空间重建和CAD代码生成能力的BenchCAD上，K3.1 Pro拿到了92.7%，而GPT-6 Astra是95.9%，Opus 5.5是96.2%。
并且在严肃办公领域，我们看分数的话，增长巨大，在OfficeQA Pro v2上，甚至拿到了SOTA。
在Kimi自己的一个关于幻觉率评估上，从K3的23.4%降到了8.3%，直接降低了65%，仅次于GPT-6 Astra了，众所周知，GPT系列在幻觉控制上，一直都是变态级别的，所以在科研领域，很多时候都是一骑绝尘。
如果我们再去看第三方AA的分数的话，基本也是差不多，甚至还超越了GPT-6-Astra。
确实非常非常强，属实是国模之光了。
他们自己也放了几个好玩的case，来展示他们的视觉和审美。
所以，这次我也自己通宵跑了不少测试，主要集中在视觉方向，以3D和视频动效为主。
先说说我的整体感受吧。
K3.1 Pro这次最让我惊喜的，还是它的3D能力。
在我测试体感上，虽然整体还是稍逊一点点（真的就是一点点）GPT-6 Astra，但在绝大多数任务中，已经能和GPT-6 Astra不相上下了。
视频动效方面，相比于其他过去所有的国产模型，真的提升都是巨大的，已经能够做一些惊艳的视频出来，但在这块，距离Opus 5.5还会有一些差距，但如今防蒸馏这么严格，Kimi基本是纯粹靠自己做出来的，能做到这个程度，已经极其钦佩了。
给大家看看我们一些测下来比较好玩的case。
先看3D方面。
比如GPT-6发布之后网上开始火起来的，在网页里生成一块有弹性、符合果冻质感，还能实时产生物理反馈的3D果冻。
现在K3.1 Pro一轮直出也能实现非常不错的效果。
而下面这个是GPT-6 Astra做的：
这种重物理交互的任务，单看这两个结果，都实现得非常不错。
所以，我又加了点难度。
让它搓了一个高精度的机械键盘。
用的下面这段提示词。
创建一个 Web 3D 项目，展示一把精细度极高的机械键盘，以同一型号与配置为基准，专业且精细还原出键帽的曲面、字符与颗粒纹理、外壳倒角、金属加工质感及零件装配细节，并且体现出塑料、金属、透明轴壳、PCB 与吸音材料等不同材质，要求可以自由切换明亮／暗光（开启背光）模式、材质／白模／X-ray／爆炸视图、以二维平面呈现的俯视图／正视图／左视图，支持微距观察、按键下压与回弹，可以隐藏及单独探索指定部件，并且尽可能还原内部结构，特别是键帽底部、轴体外壳、轴心、弹簧与金属触点、大键稳定器及其联动关系以及定位板、PCB、吸音层与外壳之间的装配结构。
要求能展示出键帽、轴体、定位板、PCB、外壳等各种零件结构，还要能切换白模、X-ray透视、爆炸视图，以及不同方向的视图。
这次我们先来看看GPT-6 Astra做出来的效果：
再看K3.1 Pro做的。
大家可以感受一下。
对比起来虽然整体准确性方面会稍逊GPT-6 Astra一点，但K3.1 Pro搓出来的键盘精度已经完全达到GPT-6 Astra同样的级别。
除了物体的3D建模，GPT-6-Astra很强的一点，就是他们的空间理解能力，所以我也测了测。
我找了一张户型图，还有一张我想要参考的室内装饰风格图：
然后让K3.1 Pro用Three.js做成一个能在浏览器里以第一视角漫游的网站。
一张是户型平面图，一张是我想要的装修风格效果图，请用 Three.js 把它做成一个可以在浏览器里以第一视角漫游的网站，按平面图还原实际比例，让每个房间、每一处装修细节和每一件家具都与照片一致。验收标准就是这些实拍照片本身。把房子拆成可以独立评估的部分，为每一部分安排一个负责搭建的 Agent，以及一个使用全新上下文、独立评审的 Agent。评审 Agent 要把我们做出的房间截图与对应的实拍照片进行比较，选出更好的一张，指出最大的差距，再把反馈交回搭建 Agent 修改。持续重复这个过程，直到我们的版本胜出，或者我叫停。最后告诉我，还有哪些地方没能还原。
这类任务对模型的要求就更综合了，除了前端的3D建模，还有对于视觉和空间的理解。
因为平面图只能告诉它空间怎么分，效果图展示出装修大概长什么样，它要完全根据这两张二维的图搓出一个可以在里面漫游的三维场景。
下面是Kimi最终搓出来的效果：
你可以直接用第一视角，在整个房子里面走来走去。
右上角还有一个小地图，能够实时显示当前所在的位置。
并且除了对参考图的装修风格和元素还原得不错外，还有一个让我挺惊喜的点：
就是我所提供的装修参考图并不对应户型图中的任意位置，所以在建筑骨架上两者肯定会有所不同，比如户型图中的会客厅并不宽敞，并且一侧还衔接有一个小阳台，中间是有墙壁间隔开的，但装修图中的电视背景墙，明显就要长得多。
但K3.1 Pro现在可以做到非常准确地参考两者必要的元素：
取装修图的风格，取户型图的布局，强到离谱。
最后我还拿我们的公司布局试了一下。
正好最近公司搬了新家，我就顺便把公司的平面布局